KR20220080920A - 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템 - Google Patents

3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템 Download PDF

Info

Publication number
KR20220080920A
KR20220080920A KR1020200170207A KR20200170207A KR20220080920A KR 20220080920 A KR20220080920 A KR 20220080920A KR 1020200170207 A KR1020200170207 A KR 1020200170207A KR 20200170207 A KR20200170207 A KR 20200170207A KR 20220080920 A KR20220080920 A KR 20220080920A
Authority
KR
South Korea
Prior art keywords
shape
data
measurement
dimensional
measurement data
Prior art date
Application number
KR1020200170207A
Other languages
English (en)
Other versions
KR102437913B1 (ko
Inventor
조경래
황광일
Original Assignee
한국해양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국해양대학교 산학협력단 filed Critical 한국해양대학교 산학협력단
Priority to KR1020200170207A priority Critical patent/KR102437913B1/ko
Publication of KR20220080920A publication Critical patent/KR20220080920A/ko
Application granted granted Critical
Publication of KR102437913B1 publication Critical patent/KR102437913B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

3차원 형상측정 결과 및 CAD 설계 데이터의 정량적 비교를 통한 형상분류 시스템이 개시된다. 일 실시예에 따른 형상분류 방법은, 3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득하는 단계; 3차원 계측 기술을 이용하여 계측된 계측데이터를 획득하는 단계; 및 상기 획득된 3차원 물체의 형상데이터와 상기 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단하는 단계를 포함할 수 있다.

Description

3차원 형상측정 결과 및 CAD 설계 데이터의 정량적 비교를 통한 형상분류 시스템{SHAPE SEPARATING SYSTEM WITH 3-DIMENSIONAL SHAPE MEASUREMENT AND CAD DESIGN INFORMATION}
아래의 설명은 산업의 자동화 공정에서 필요한 제품의 인식 및 분류를 위한 기술에 관한 것으로, 계측된 3차원 측정 결과와 설계된 도면 정보를 비교 분석하여 제품의 형상을 판단하고 분류하는 방법 및 시스템에 관한 것이다.
4차원 산업의 발달로 생산 공정의 자동화가 급속도로 발전하고 있다. 3차원 레이저 스캐닝 기법 등과 같은 3차원 계측 시스템이 생성된 제품의 형상을 판단하는데 많이 적용되고 있다. 자동화 공정에서 생산된 제품들을 판단하고 분류하기 위해서는 대상체의 계측 데이터와 설계 데이터의 비교 분석이 필요하다. 3차원과 회전, 이동 등의 외부조건이 많은 데이터 양으로 최적의 판단을 위해서는 많은 시간과 비용이 필요하다.
이에 따라, 계측 데이터와 설계 데이터를 매칭하고 판단하여 최적화하는 알고리즘이 요구된다.
계측 시스템의 관측 위치를 기준으로 관측 방정식을 이용하여 대상체의 여러 가지 형태에 대한 예상데이터 맵을 형성하고, 계측데이터와 예상데이터 간의 매핑 함수를 통한 최적의 형태를 찾아내서 분석함으로써 3차원 계측 물체의 비교 분석 및 판별의 정도와 시간을 향상시키기 위한 형상분류 시스템 및 방법을 제공할 수 있다.
자동화 공정에서 대상체를 분명하게 판단하기 위해, 대상체의 설계 데이터로부터 계측 가능한 여러 가지 상태의 3차원 맵을 제작하고, 계측데이터와 비교 분석을 통한 대상체의 판별 및 분류의 계산 속도로 성능을 개선하기 위한 형상분류 시스템 및 방법을 제공할 수 있다.
형상분류 시스템에 의해 수행되는 형상분류 방법은, 3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득하는 단계; 3차원 계측 기술을 이용하여 계측된 계측데이터를 획득하는 단계; 및 상기 획득된 3차원 물체의 형상데이터와 상기 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단하는 단계를 포함할 수 있다.
상기 형상데이터를 획득하는 단계는, 모델링 툴을 이용하여 대상체의 형상을 설계함에 따라 획득된 형상데이터를 VRML 형식으로 변환하고, 상기 변환된 VRML 형식의 형상데이터를 계측 시스템의 계측면과 일치하는 관측 위치에 따라 3차원 매핑 데이터를 생성하는 단계를 포함할 수 있다.
상기 형상데이터를 획득하는 단계는, 상기 VRML 기반의 포인트 형식으로 변환함에 따라 각 플레인(Plane) 정보를 획득하고, 계측시스템의 관측 방정식을 이용하여 관측 가능한 플레인 정보를 수집하여 3차원 매핑 데이터를 생성하는 단계를 포함할 수 있다.
상기 계측데이터를 획득하는 단계는, 계측 시스템의 스테레오 비젼 또는 레이저 스캐닝 기법을 포함하는 3차원 계측 기술을 통해 계측데이터를 획득하고, 상기 획득된 계측데이터로부터 3차원 물체의 형상에 대한 특징점을 획득하는 단계를 포함할 수 있다.
상기 획득된 계측데이터는, 미디엄 필터를 포함하는 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 3차원 물체의 형상에 대한 3차원 표면 정보 데이터를 의미할 수 있다.
상기 유사 정도를 판단하는 단계는, 상기 획득된 형상데이터와 상기 획득된 계측데이터에 대한 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 상기 일치된 중심에 기초하여 상기 획득된 형상데이터와 상기 획득된 계측데이터의 일치 정보를 형상 분석의 어파인 변환의 원리를 이용한 최소자승법을 이용하여 판단하는 단계를 포함할 수 있다.
형상분류 시스템은, 3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득하는 형상데이터 획득부; 3차원 계측 기술을 이용하여 계측된 계측데이터를 획득하는 계측데이터 획득부; 및 상기 획득된 3차원 물체의 형상데이터와 상기 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단하는 판단부를 포함할 수 있다.
상기 형상데이터 획득부는, 모델링 툴을 이용하여 대상체의 형상을 설계함에 따라 획득된 형상데이터를 VRML 형식으로 변환하고, 상기 변환된 VRML 형식의 형상데이터를 계측 시스템의 계측면과 일치하는 관측 위치에 따라 3차원 매핑 데이터를 생성할 수 있다.
상기 형상데이터 획득부는, 상기 VRML 기반의 포인트 형식으로 변환함에 따라 각 플레인(Plane) 정보를 획득하고, 계측시스템의 관측 방정식을 이용하여 관측 가능한 플레인 정보를 수집하여 3차원 매핑 데이터를 생성할 수 있다.
상기 계측데이터 획득부는, 계측 시스템의 스테레오 비젼 또는 레이저 스캐닝 기법을 포함하는 3차원 계측 기술을 통해 계측데이터를 획득하고, 상기 획득된 계측데이터로부터 3차원 물체의 형상에 대한 특징점을 획득할 수 있다.
상기 획득된 계측데이터는, 미디엄 필터를 포함하는 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 3차원 물체의 형상에 대한 3차원 표면 정보 데이터를 의미할 수 있다.
상기 판단부는, 상기 획득된 형상데이터와 상기 획득된 계측데이터에 대한 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 상기 일치된 중심에 기초하여 상기 획득된 형상데이터와 상기 획득된 계측데이터의 일치 정보를 형상 분석의 어파인 변환의 원리를 이용한 최소자승법을 이용하여 판단할 수 있다.
CAD 데이터로부터 계측 시스템의 관측 방정식을 적용하여 3차원 데이터를 변형하는 데이터 생성 알고리즘 및 계측 시스템으로부터 획득된 데이터를 분석하고, 최적의 매핑맵을 탐색하여 분류 및 판단을 수행함으로써 생산 공정에서 고속 자동화 성능 향상에 기여할 수 있다.
도 1은 일 실시예에 따른 형상분류 시스템의 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 형상분류 시스템에서 3차원 모델링된 형상데이터를 VRML으로 변환한 후, 획득된 Plane 정보를 나타낸 도면이다.
도 3은 일 실시예에 따른 형상분류 시스템의 구성을 설명하기 위한 블륵도이다.
도 4는 일 실시예에 따른 형상분류 시스템에서 형상분류 방법을 설명하기 위한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
고속 자동화 시스템에서 빠른 속도로 지나가는 물체의 형상을 획득하고 분류하기 위해서는 모델에 맞는 데이터를 빠른 속도로 분석하고 판단할 필요가 있다. 그러나, 3차원 형상이 복잡하고 대상체가 놓여진 형상 및 위치에 따라 판별하는 것에 많은 오차 및 시간을 소비하게 된다. 이에, 실시예에서는 CAD와 같은 3차원 모델링 기법으로 설계된 설계 데이터로부터 3차원 물체의 형상을 획득하고, 스테레오 비젼이나 3차원 계측 기술 등으로 계측된 데이터를 직접적으로 비교 분석하여 3차원 형상의 유사 정도를 판단하는 기술을 설명하기로 한다.
도 1은 일 실시예에 따른 형상분류 시스템의 동작을 설명하기 위한 도면이다.
3차원 모델링 툴로 제작된 3차원 대상체가 실제 산업 현장에서 존재 가능한 여러 가지 상황(예를 들면, 회전 및 이동)에 대한 대상체의 형상을 결정하고, 계측시스템의 관측 방정식에서 관측 가능한 형태로 변환한 데이터 맵을 생성할 수 있다. 산업 현장에서 계측된 3차원 데이터가 여러 가지 데이터 맵과 비교 분석되어, 최적의 형태를 결정하고 이로부터 대상체를 판단하거나 구분할 수 있다.
형상분류 시스템은 3차원 모델링 툴로 제작된 3차원 대상체를 처리하는 과정, 실제 계측데이터를 처리하는 과정, 두 데이터의 비교 분석을 통한 대상체를 판별하는 과정으로 구성되어 있다.
형상분류 시스템은 모델링 툴로 제작된 형상데이터를 VRML 형식의 데이터로 변환한 후, 계측 시스템의 계측 형상에 따라 데이터를 회전 및 이동을 수행할 수 있다. 이때, 모델링 툴은 3D CAD와 같은 3차원 모델링 기법이 가능한 툴을 의미할 수 있다. 형상분류 시스템은 3D CAD와 같은 3차원 모델링 기법을 통해 설계된 설계데이터로부터 3차원 물체에 대한 형상데이터(3D CAD Data)(101)를 획득할 수 있다.
형상분류 시스템은 카메라의 관측 방정식을 이용하여 형상데이터로부터 3차원 매핑 데이터를 생성할 수 있다(102). 형상분류 시스템은 회전 및 이동된 데이터를 계측시스템에서 결정된 관측 방정식을 이용하여 형상데이터로부터 3차원 매핑 데이터로 변환할 수 있다. 이때, 계측시스템은 3차원 물체를 계측하는 시스템으로서, 3차원 물체의 성분, 크기, 위치, 형태 등을 실제로 계측할 수 있다.
도 2는 일 실시예에 따른 형상분류 시스템에서 3차원 모델링된 형상데이터를 VRML으로 변환한 후, 획득된 각 플레인(Plane) 정보를 나타낸 도면이다. 각 플레인 정보에서 가장자리 검색과 면의 수집 벡터 방정식을 이용하여 계측 시스템의 관측 방정식에서 관측 가능한 면의 정보들을 수집하여 3차원 매핑 데이터를 생성할 수 있다. 다시 말해서, 3차원 모델링된 형상데이터는 VRML 기반의 포인트(Point) 형식으로 변형될 수 있다. 변형된 데이터는 3차원 계측 시스템에 맞추어 계측면과 일치하는 여러 가지 관측 위치(예를 들면, 상, 하, 좌, 우)에 대응되도록 3차원 매핑 데이터를 생성할 수 있다. 예를 들면, 3차원 매핑 데이터는 대상체의 존재 가능한 회전각을 정의하고, 회전각에 맞는 데이터로 생성될 수 있다.
여러 가지 카메라의 관측 방정식이 존재하며, 실시예에서 사용한 관측 방정식은 다음과 같다.
Figure pat00001
,
Figure pat00002
여기서, x, y는 영상 좌표계이고, X, Y, Z는 대상체 좌표계이다. Cx, Cy는 영상 좌표계와 대상체 좌표계의 비례를 나타내고, dis는 카메라 중심과 대상체 좌표계 O점과의 거리이며, mx, my는 중심축의 어긋난 양이며, 첨자 m은 회전을 의미한다. 즉, (Xm, Ym, Zm)은 (X, Y, Z)를 3차원 회전한 값이다.
Figure pat00003
는 2차항까지 고려한 영상의 굴절량이다.
형상분류 시스템은 스테레오 비젼이나 3차원 계측 기술 등으로 3D 계측데이터를 획득할 수 있다(111). 형상분류 시스템은 대상체 형상을 고려하여 특징점을 획득할 수 있다(112). 계측데이터는 미디엄 필터와 같은 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 대상체의 3차원 표면 정보 데이터를 의미할 수 있다.
형상분류 시스템은 3차원 매핑 데이터와 계측데이터의 특징점을 매핑 함수를 통하여 비교 분석할 수 있다(103). 형상분류 시스템은 계측 시스템의 관측 위치를 기준으로 관측 방정식을 이용하여 대상체의 여러 가지 형태에 대한 예상 데이터 맵을 형성하고, 계측 데이터와 예상 데이터 간의 매핑 함수를 통한 최적의 형태를 탐색하여 분석함으로써 3차원 대상체(계측 물체)의 유사도를 판단할 수 있다.
상세하게는, 형상분류 시스템은 계측데이터와 3차원 메핑 데이터에 대한 각각의 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 중심이 일치된 두 데이터의 일치 정보를 최소자승법을 이용하여 판단할 수 있다. 이때, 최소자승법이란, 어떤 두 개의 경제변량 x와 y 사이에 함수관계가 존재한다고 할 때, 인과관계를 수량적으로 파악하는 데 일반적으로 사용된다. 한 기준변을 하나 또는 그 이상의 예언변인으로써 직선적 가정에 의하여 예언하고자 할 때 실제 기준변인과 직선적 가정에 의하여 예언된 기준변인과의 거리의 제곱의 합이 최소가 되도록 하는 기준이다. 실시예에서는 데이터 비교 분석을 이용한 3차원 형상 분석인 어파인 변환의 원리를 이용한 최소자승법이 적용될 수 있다.
형상분류 시스템은 비교 분석을 수행함에 따라 오차 분석을 통하여 제일 일치하는 모델링 결과를 바탕으로 형상을 판단하고 분류할 수 있다(104). 예를 들면, 형상분류 시스템은 대상체와 관련된 정보를 저장하고 있는 데이터베이스를 기준으로 최적의 해를 구함으로써 오차분석이 수행될 수 있다.
형상분류 시스템은 높은 정도의 결과를 얻기 위하여, 최소자승법으로 도출된 최적의 정보로 내사법을 수행하여 대상체 판별, 대상체의 회전 및 이동에 관한 정보를 획득하고, 획득된 정보를 출력할 수 있다.
도 3은 일 실시예에 따른 형상분류 시스템의 구성을 설명하기 위한 블륵도이고, 도 4는 일 실시예에 따른 형상분류 시스템에서 형상분류 방법을 설명하기 위한 흐름도이다.
형상분류 시스템(100)의 프로세서는 형상데이터 획득부(310), 계측데이터 획득부(320) 및 판단부(330)를 포함할 수 있다. 이러한 프로세서의 구성요소들은 형상분류 시스템에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서 및 프로세서의 구성요소들은 도 4의 형상분류 방법이 포함하는 단계들(410 내지 430)을 수행하도록 형상분류 시스템을 제어할 수 있다. 이때, 프로세서 및 프로세서의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
프로세서는 형상분류 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 형상분류 시스템에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 형상분류 시스템을 제어할 수 있다. 이때, 형상데이터 획득부(310), 계측데이터 획득부(320) 및 판단부(330) 각각은 메모리에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(410 내지 430)을 실행하기 위한 프로세서의 서로 다른 기능적 표현들일 수 있다.
단계(410)에서 형상데이터 획득부(310)는 3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득할 수 있다. 형상데이터 획득부(310)는 모델링 툴을 이용하여 대상체의 형상을 설계함에 따라 획득된 형상데이터를 VRML 형식으로 변환하고, 변환된 VRML 형식의 형상데이터를 계측 시스템의 계측면과 일치하는 관측 위치에 따라 3차원 매핑 데이터를 생성할 수 있다. 다시 말해서, VRML 형식의 형상데이터를 다시 표면 형식을 이용하여 관측 위치로부터 관측 가능한 데이터만을 수집하여 3차원 매핑 데이터를 생성할 수 있다. 이때, 3차원 매핑 데이터는 3차원 물체(대상체)의 3차원 표면을 모델링한 데이터를 의미할 수 있다. 형상데이터 획득부(310)는 VRML 기반의 포인트 형식으로 변환함에 따라 각 플레인(Plane) 정보를 획득하고, 계측시스템의 관측 방정식을 이용하여 관측 가능한 플레인 정보를 수집하여 3차원 매핑 데이터를 생성할 수 있다.
단계(420)에서 계측데이터 획득부(320)는 3차원 계측 기술을 이용하여 계측된 계측데이터를 획득할 수 있다. 계측데이터 획득부(320)는 계측 시스템의 스테레오 비젼 또는 레이저 스캐닝 기법을 포함하는 3차원 계측 기술을 통해 계측데이터를 획득하고, 획득된 계측데이터로부터 3차원 물체(대상체)의 형상에 대한 특징점을 획득할 수 있다. 이때, 획득된 계측데이터는, 미디엄 필터를 포함하는 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 대상체의 3차원 표면 정보 데이터를 의미할 수 있다.
단계(430)에서 판단부(330)는 획득된 3차원 물체의 형상데이터와 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단할 수 있다. 판단부(330)는 획득된 형상데이터와 획득된 계측데이터에 대한 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 일치된 중심에 기초하여 획득된 형상데이터와 획득된 계측데이터의 일치 정보를 형상 분석의 어파인 변환의 원리를 이용한 최소자승법을 이용하여 판단할 수 있다. 일례로, 판단부(330)는 형상데이터와 계측데이터의 일치 정보를 백분율로 수치화하여 유사 정도를 판단할 수 있다. 판단부(330)는 일치 정보를 백분율로 수치화함에 따라 유사 정도에 따라 각각의 유사 정도와 관련된 3차원 물체의 형상을 제시할 수 있다. 예를 들면, 판단부(330)는 형상데이터와 계측데이터의 일치 정보가 70%일 경우, 70% 유사한 것으로 추정된 3차원 물체의 형상 리스트를 제공할 수 있고, 일치 정보가 80%일 경우, 80% 유사한 것으로 추정된 3차원 물체의 형상 리스트를 제공할 수 있다. 이때, 데이터베이스에 저장된 3차원 물체의 형상 정보를 이용하여 3차원 물체의 형상 리스트가 제공될 수 있다. 또한, 판단부(330)는 유사 정도를 판단함에 따라 3차원 물체를 식별할 수 있을 뿐만 아니라, 3차원 물체의 형상의 카테고리를 판단할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 형상분류 시스템에 의해 수행되는 형상분류 방법에 있어서,
    3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득하는 단계;
    3차원 계측 기술을 이용하여 계측된 계측데이터를 획득하는 단계; 및
    상기 획득된 3차원 물체의 형상데이터와 상기 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단하는 단계
    를 포함하는 형상분류 방법.
  2. 제1항에 있어서,
    상기 형상데이터를 획득하는 단계는,
    모델링 툴을 이용하여 대상체의 형상을 설계함에 따라 획득된 형상데이터를 VRML 형식으로 변환하고, 상기 변환된 VRML 형식의 형상데이터를 계측 시스템의 계측면과 일치하는 관측 위치에 따라 3차원 매핑 데이터를 생성하는 단계
    를 포함하는 형상분류 방법.
  3. 제2항에 있어서,
    상기 형상데이터를 획득하는 단계는,
    상기 VRML 기반의 포인트 형식으로 변환함에 따라 각 플레인(Plane) 정보를 획득하고, 계측시스템의 관측 방정식을 이용하여 관측 가능한 플레인 정보를 수집하여 3차원 매핑 데이터를 생성하는 단계
    를 포함하는 형상분류 방법.
  4. 제1항에 있어서,
    상기 계측데이터를 획득하는 단계는,
    계측 시스템의 스테레오 비젼 또는 레이저 스캐닝 기법을 포함하는 3차원 계측 기술을 통해 계측데이터를 획득하고, 상기 획득된 계측데이터로부터 3차원 물체의 형상에 대한 특징점을 획득하는 단계
    를 포함하는 형상분류 방법.
  5. 제4항에 있어서,
    상기 획득된 계측데이터는,
    미디엄 필터를 포함하는 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 3차원 물체의 형상에 대한 3차원 표면 정보 데이터를 의미하는
    형상분류 방법.
  6. 제1항에 있어서,
    상기 유사 정도를 판단하는 단계는,
    상기 획득된 형상데이터와 상기 획득된 계측데이터에 대한 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 상기 일치된 중심에 기초하여 상기 획득된 형상데이터와 상기 획득된 계측데이터의 일치 정보를 형상 분석의 어파인 변환의 원리를 이용한 최소자승법을 이용하여 판단하는 단계
    를 포함하는 형상분류 방법.
  7. 형상분류 시스템에 있어서,
    3차원 모델링 기법을 이용하여 3차원 물체의 형상데이터를 획득하는 형상데이터 획득부;
    3차원 계측 기술을 이용하여 계측된 계측데이터를 획득하는 계측데이터 획득부; 및
    상기 획득된 3차원 물체의 형상데이터와 상기 획득된 계측데이터를 최소자승법에 기초하여 비교 분석하여 3차원 물체의 형상에 대한 유사 정도를 판단하는 판단부
    를 포함하는 형상분류 시스템.
  8. 제7항에 있어서,
    상기 형상데이터 획득부는,
    모델링 툴을 이용하여 대상체의 형상을 설계함에 따라 획득된 형상데이터를 VRML 형식으로 변환하고, 상기 변환된 VRML 형식의 형상데이터를 계측 시스템의 계측면과 일치하는 관측 위치에 따라 3차원 매핑 데이터를 생성하는
    것을 특징으로 하는 형상분류 시스템.
  9. 제8항에 있어서,
    상기 형상데이터 획득부는,
    상기 VRML 기반의 포인트 형식으로 변환함에 따라 각 플레인(Plane) 정보를 획득하고, 계측시스템의 관측 방정식을 이용하여 관측 가능한 플레인 정보를 수집하여 3차원 매핑 데이터를 생성하는
    것을 특징으로 하는 형상분류 시스템.
  10. 제7항에 있어서,
    상기 계측데이터 획득부는,
    계측 시스템의 스테레오 비젼 또는 레이저 스캐닝 기법을 포함하는 3차원 계측 기술을 통해 계측데이터를 획득하고, 상기 획득된 계측데이터로부터 3차원 물체의 형상에 대한 특징점을 획득하는
    것을 특징으로 하는 형상분류 시스템.
  11. 제10항에 있어서,
    상기 획득된 계측데이터는,
    미디엄 필터를 포함하는 오차제거 알고리즘을 이용하여 오차를 제거하고, 배경 정보가 제거된 3차원 물체의 형상에 대한 3차원 표면 정보 데이터를 의미하는
    형상분류 시스템.
  12. 제7항에 있어서,
    상기 판단부는,
    상기 획득된 형상데이터와 상기 획득된 계측데이터에 대한 평균값을 이용하여 중심 이동을 실행하여 중심을 일치시키고, 상기 일치된 중심에 기초하여 상기 획득된 형상데이터와 상기 획득된 계측데이터의 일치 정보를 형상 분석의 어파인 변환의 원리를 이용한 최소자승법을 이용하여 판단하는
    것을 특징으로 하는 형상분류 시스템.
KR1020200170207A 2020-12-08 2020-12-08 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템 KR102437913B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200170207A KR102437913B1 (ko) 2020-12-08 2020-12-08 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200170207A KR102437913B1 (ko) 2020-12-08 2020-12-08 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템

Publications (2)

Publication Number Publication Date
KR20220080920A true KR20220080920A (ko) 2022-06-15
KR102437913B1 KR102437913B1 (ko) 2022-08-29

Family

ID=81987535

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200170207A KR102437913B1 (ko) 2020-12-08 2020-12-08 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템

Country Status (1)

Country Link
KR (1) KR102437913B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120126432A (ko) * 2011-05-11 2012-11-21 서울과학기술대학교 산학협력단 측량기를 이용한 3차원 건축실물모델링 방법
KR20150041827A (ko) * 2013-10-10 2015-04-20 한국과학기술원 3차원 레이저 스캐닝을 이용한 프리캐스트 콘크리트 형상 관리 장치 및 방법
JP2018073095A (ja) * 2016-10-28 2018-05-10 キヤノン株式会社 画像処理装置および画像処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120126432A (ko) * 2011-05-11 2012-11-21 서울과학기술대학교 산학협력단 측량기를 이용한 3차원 건축실물모델링 방법
KR20150041827A (ko) * 2013-10-10 2015-04-20 한국과학기술원 3차원 레이저 스캐닝을 이용한 프리캐스트 콘크리트 형상 관리 장치 및 방법
JP2018073095A (ja) * 2016-10-28 2018-05-10 キヤノン株式会社 画像処理装置および画像処理方法

Also Published As

Publication number Publication date
KR102437913B1 (ko) 2022-08-29

Similar Documents

Publication Publication Date Title
JP7167397B2 (ja) 点群データを処理するための方法及び装置
Chen et al. Performance evaluation of 3D descriptors for object recognition in construction applications
Czerniawski et al. Pipe spool recognition in cluttered point clouds using a curvature-based shape descriptor
JP5677798B2 (ja) ３次元シーンにおける３次元物体の認識及び位置姿勢決定方法
Fitzgibbon et al. High-level CAD model acquisition from range images
JP5251080B2 (ja) 物体認識方法
JP6888484B2 (ja) 検索プログラム、検索方法、及び、検索プログラムが動作する情報処理装置
US11321953B2 (en) Method and apparatus for posture, dimension and shape measurements of objects in 3D scenes
JP2011133273A (ja) 推定装置及びその制御方法、プログラム
Yacob et al. Anomaly detection in Skin Model Shapes using machine learning classifiers
CN110930456A (zh) 基于pcl点云库的钣金零件的三维立体识别及定位方法
Czerniawski et al. Automated removal of planar clutter from 3D point clouds for improving industrial object recognition
Blank et al. 6DoF pose-estimation pipeline for texture-less industrial components in bin picking applications
Xu et al. 3D point cloud plane segmentation method based on RANSAC and support vector machine
CN114881955A (zh) 基于切片的环状点云缺陷提取方法、装置、设备存储介质
Pushkar et al. Automated progress monitoring of masonry activity using photogrammetric point cloud
Rogelio et al. Object detection and segmentation using Deeplabv3 deep neural network for a portable X-ray source model
KR102437913B1 (ko) 3차원 형상측정 결과 및 cad 설계 데이터의 정량적 비교를 통한 형상분류 시스템
Sølund et al. A large-scale 3D object recognition dataset
Zhou et al. Histograms of Gaussian normal distribution for 3D feature matching in cluttered scenes
WO2023202401A1 (zh) 点云数据中目标的检测方法、装置和计算机可读存储介质
Liu et al. Robust 3-d object recognition via view-specific constraint
Wang et al. Fast and robust object pose estimation based on point pair feature for bin picking
Zrira et al. Evaluation of PCL's Descriptors for 3D Object Recognition in Cluttered Scene
Chen et al. Automated equipment recognition and classification from scattered point clouds for construction management applications

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant